数据驱动服务运营的理论与实务

提到数据驱动运营，说的比较多的是产品运营、用户运营、内容运营和活动运营，而对服务运营却鲜有提及。但事实上，用数据化的方法和手段在服务运营中也是大有可为的。那如何用数据来驱动服务运营呢？本文讲述了用数据驱动服务运营的原因和方法，与大家分享！

提到数据驱动运营，说的比较多的是产品运营、用户运营、内容运营和活动运营，而对服务运营却鲜有提及。

并非大数据在服务运营中就无能为力了。事实上，用数据化的方法和手段在服务运营中也是大有可为的。今天我们要讨论的话题是如何用数据来驱动服务运营。

在商业领域，服务指为用户做工作，满足用户需求或解决用户遇到的问题，并使用户从中受益的一种有偿或无偿的活动。

服务运营则是指为解决服务过程中存在的问题而开展的一系列的运营工作，这些工作包括：服务内容设计、标准制定、资源协调、服务执行与交付、服务监测和评估等。

服务运营虽然是产品价值链的后端延伸部分，但却是产品最终实现价值的、不可或缺的组成部分。

一、为什么需要用数据驱动服务运营？

传统的服务运营通常存在四个方面的问题：

1. 需求洞察：主要依靠实证调查，数据获取成本高

为了解用户的服务期望与需求，企业通常的做法是采取用户调研，通过电话访问、问卷调查等实证手段来收集用户反馈和评价。

采取这些用户调查的手段收集用户需求，往往需要借助外部市场调研公司的力量来完成。市场调研的执行周期长、费用高，还对用户有一定的骚扰。

但用户调研回收的数据量有限，不一定能找到用户的真实诉求。如果服务运营人员亲自去业务场景中挖掘用户需求的话，一方面耗费时间长，另一方面可能会加入个人主观因素，看到的不一定很全面。

所以，需要在实证调查之外，开发更多的用户需求挖掘和分析的手段。

2. 质量监测：以结果性指标为主，缺乏过程性指标

为诊断服务问题、发现服务短板，企业经常会开展服务质量监测与评估工作，通常的做法就是进行用户满意度调研。

类似于满意度等感知类指标往往都是结果性指标，是用户在事后才反馈出来的数据，这种数据的时效性较差，不一定能真实反映当时的情况。因此，为真实测评每次服务的真实感知，需要让用户很方便的对每次服务做出及时的评价。

同时，服务质量监测应增设更多的过程性指标，特别是涉及服务动作分解的行为类指标。因为，有时候用户服务感知的评价指标不一定准确可靠，需要结合每次服务交付过程中的具体动作做联合分析，才能给出较全面的服务质量监测结果。

3. 服务交付：以被动服务为主，服务重标准化、轻个性化

在服务交付过程中，企业通常的情况是被动救火式的处理各种问题，见招拆招、疲于应付。

如果能在问题出现之前，提前做好预判，并将相关服务前置的话，就可能会减少很多投诉问题的发生。这对于提高用户感知是大有益处的。

另外，一线服务人员在服务交付时是按照服务标准来执行，往往能按部就班的去做到。但是缺乏在标准之下的灵活性，用户的个性化需求难以得到满足。这样即使企业提供了很符合标准要求的服务，但还是不一定能用户有好的服务体验。

4. 服务效率：服务主要依赖人工，效率低、成本高

在劳动力密集型的服务行业，服务的交付往往靠人工面对面来完成。服务作业的在线化程度低，人工服务成本高，人均效率还不一定高。

特别是对于一些简单的、重复性较高的标准化服务环节，可以逐步的分流给机器和自助设备来操作。

这样就能减少对人工服务的依赖，解放部分人工和物力，将这些资源投入到更有价值的服务场景中。

以上这四个方面的服务运营问题，在充分融合数据技术后，能在一定程度上得到缓解。

在用户需求分析时，利用自然语言处理、音视频处理技术，可以采集到更多的用户数据，细致全面的侦测到用户的需求；在服务质量监测时，引入更多过程性指标数据，结合前后台相关数据，可以形成更及时、更客观的分析；

在服务交付时，利用数据可以侦测到问题征兆，可以提前做好服务准备。还可以基于用户分类分级，为用户提供更贴心的个性化服务；在服务效率提升方面，可以基于知识图谱技术等手段建立机器人服务机制，提高服务效率。

总之，数据驱动的服务运营将更高效、更智能。

二、如何用数据驱动服务运营？

数据化的方法和手段可以渗透到服务运营的诸多环节，笔者选取了以下六个方面进行阐述：

1. 利用自然语言处理和文本挖掘技术洞察用户需求